度量投入预测准确性，核心是用同一口径的计划投入与实际投入做差，计算偏差率和平均绝对偏差率，再按阶段、角色和滚动版本拆开看偏差方向与波动。它回答的是“人力估算准不准、偏在哪”，与资金成本偏差、交付达成率属于不同管理问题。下面给出可复算的公式、取数规则、计算步骤和一个数值示例。
要点总览（TL;DR）
- 用同一口径的计划投入与实际投入做差，计算偏差率（实际−计划）÷计划×100%，正值表示超投入，负值表示低于计划。
- 平均绝对偏差率衡量整体波动，偏差方向占比判断系统性高估或低估，两者结合区分方向问题与波动问题。
- 统计范围按项目、阶段、角色、时间窗事先固定，计划值取冻结基线版本，实际值取工时登记明细，分母为零的单元单独列出。
- 阈值结合团队自身历史基线设定，不套用通用达标线；小样本和分母过小的单元只报明细不报比率。
- 把偏差按阶段和角色拆开复盘，区分估算遗漏、需求变更和执行效率，只将估算遗漏部分计入下一轮估算系数修正。
评估目标：回答预测准不准、偏在哪、能否指导调整
投入预测准确性度量的对象是人力投入，单位通常为人天或人时。计划投入是项目或迭代启动、阶段交接时确认的估算值，实际投入是成员在任务上登记并确认的工时。两者相减得到偏差，再除以计划投入得到偏差率，就能判断估算整体偏高还是偏低。
这项度量的用途有三个：识别是否存在系统性高估或低估，定位偏差集中在哪些阶段或角色，把结论反馈到下一次估算和计划调整中。它服务于估算改进，不直接用于评价个人绩效。
需要划清边界。资金成本偏差比较的是预算金额与实际支出，涉及单价、采购和结算，属于项目成本管理；交付达成率比较的是计划交付项与实际完成项，衡量的是进度和范围兑现。投入预测准确性只回答人力估算与实耗的吻合程度。三者可以并列观察，但公式、数据源和解读方式不同，混在一起会掩盖问题来源。
指标与范围：偏差率、绝对偏差率与分组口径
指标设计的关键是每个比率都有明确的分子、分母和单位，并且同一批数据可以按不同维度复算。下表给出常用指标的定义。
| 指标 | 公式 | 单位 | 正负含义 |
|---|---|---|---|
| 投入偏差 | 实际投入 − 计划投入 | 人天或人时 | 正值表示超投入，负值表示低于计划 |
| 偏差率 | （实际投入 − 计划投入）÷ 计划投入 × 100% | 百分比 | 正值表示超投入，负值表示节约或低估不足 |
| 绝对偏差率 | |实际投入 − 计划投入| ÷ 计划投入 × 100% | 百分比 | 只反映偏离幅度，不区分方向 |
| 平均绝对偏差率 | 各统计单元绝对偏差率的算术平均 | 百分比 | 衡量整体波动大小 |
| 偏差方向占比 | 偏差率为正的单元数 ÷ 有效单元数 × 100% | 百分比 | 反映高估与低估哪类更常见 |
平均绝对偏差率采用各单元绝对偏差率的简单平均，计算前需剔除计划投入为零的单元，并在结果旁注明剔除数量。若单元之间投入规模差异很大，简单平均会让小项目获得与大项目相同的权重，此时应同时给出按计划投入加权的偏差率：各单元偏差额之和除以各单元计划投入之和。
统计范围需要事先固定。常见切分包括按项目、按阶段（需求、设计、开发、测试）、按角色（开发、测试、设计）和按时间窗（月度、季度、迭代）。范围一旦确定，计划值和实际值都按同一范围取数，避免计划按项目统计、实际按成员统计造成的错配。
滚动预测场景下，要明确比较的是哪一版计划。建议以每个滚动周期的基线版本为计划值，与截至该周期结束的实际投入比较；跨周期累计比较时，使用最新基线而非最初版本，否则会把范围变更误算成估算偏差。每次比较都记录基线版本号和冻结时间。
数据口径与证据：计划值、实际值如何取数
计划投入的取数要点是版本和冻结时点。计划值应在估算评审通过后冻结，形成带版本号的基线；后续范围变更走变更流程生成新基线，旧基线保留备查。没有冻结时点的计划值会随讨论不断修改，导致偏差率失去比较意义。
实际投入的取数要点是记录来源和粒度。实际工时来自成员在任务或工作项上的工时登记，粒度可以是按天或按任务。取数时应导出工时登记日志明细，保留登记人、日期、任务归属和工时数，便于核对异常值。仅取汇总数会丢失分组分析所需的任务和角色信息。
口径对齐主要处理三类差异。人天与人时的折算比例要统一，例如按每天 8 小时折算并全项目一致。加班工时的归属要明确，是计入实际投入还是单独列示。外包和跨团队支持的人力要确定是否纳入统计范围，纳入则计划侧也要对应计入。
缺失值和分母为零需要专门规则。计划投入为零的单元不计算偏差率，单独列入“无计划”清单；实际投入缺失的单元标记为未登记，不按零处理，否则会人为压低偏差。有效单元数过少时，例如少于 5 个，只报告偏差额和明细，不报告平均比率。
在工具层面，ONES 的资源与工时管理支持多维度统计项目和成员的资源投入，并可查询、导出工时登记日志明细，项目经理可以据此核对成员工时；资源规划视图可用于安排和计划团队资源。这些能力为实际投入取数和计划侧资源安排提供了数据基础。偏差率指标本身需要在导出数据后按上述公式计算，或在报表工具中另行配置。
计算与评估步骤：从单项目到组合的偏差分析
计算按由细到粗的顺序推进，每一步都保留可追溯的中间结果。
- 锁定统计范围和基线版本，导出该范围内每个任务或工作项的计划投入与实际投入，形成明细表。
- 按单元汇总，单元可以是项目、阶段或角色。汇总时计划值和实际值分别求和，不先算比率再平均。
- 对每个单元计算投入偏差和偏差率，标记正负方向；计划投入为零的单元单独列出。
- 计算平均绝对偏差率和偏差方向占比，判断整体是系统性偏移还是双向波动。
- 按阶段和角色分别重复上述计算，找出偏差集中的环节。例如开发阶段普遍超投入，而测试阶段接近计划，说明估算问题集中在开发工作量。
- 在组合层面同时给出加权偏差率和简单平均偏差率。加权结果反映总体投入是否超出，简单平均反映典型单元的偏离程度，两者差距大说明偏差由少数大项目主导。
- 按滚动周期排列偏差率，观察趋势。连续多个周期同向偏移说明估算系数需要修正；正负交替且幅度大说明估算方法不稳定。
分组分析时保持同一口径。按阶段分组要求计划和实际都能归属到阶段，跨阶段任务需事先约定归属规则；按角色分组要求工时登记带角色标签。分组维度不宜过多，否则每组样本过小，结论不可靠。
例子：一个迭代的投入偏差复算
以下为演示情景，数值为假设，不代表任何真实项目数据。某迭代计划投入合计 200 人天，实际投入 230 人天。整体投入偏差为 30 人天，偏差率为（230 − 200）÷ 200 × 100% = 15%，属于超投入。
按阶段拆分后得到下表。
| 阶段 | 计划（人天） | 实际（人天） | 偏差率 | 绝对偏差率 |
|---|---|---|---|---|
| 需求与设计 | 40 | 36 | −10% | 10% |
| 开发 | 100 | 128 | +28% | 28% |
| 测试 | 60 | 66 | +10% | 10% |
平均绝对偏差率为（10% + 28% + 10%）÷ 3 ≈ 16%。偏差方向占比为 2 ÷ 3 ≈ 67%，三个阶段中两个超投入。加权偏差率即整体 15%，与简单平均的偏差率（−10% + 28% + 10%）÷ 3 ≈ 9.3% 存在差距，原因是开发阶段投入规模最大，主导了总体结果。
初步解读：需求与设计阶段略有节约，开发阶段明显超投入，测试阶段小幅超出。整体超投入主要由开发阶段贡献，后续估算应重点复核开发工作量的拆分粒度和技术复杂度假设。若下一个迭代开发阶段仍出现 20% 以上的同向偏差，可考虑在估算系数中引入修正。
解读与限制：偏差多大算问题、如何用于调整
解读偏差率要先区分方向和波动。偏差率长期同为正，说明存在系统性低估；长期为负说明系统性高估；正负交替且绝对值大，说明估算波动大、可预测性弱。方向问题通过修正估算系数解决，波动问题需要改进估算方法和需求澄清质量，两者的调整动作不同。
阈值应结合团队自身历史基线设定。做法是先积累若干周期的偏差率数据，取其中位数或分位值作为参考区间，超出区间即触发复盘。不同阶段、不同角色可以有不同的参考区间，开发阶段通常比需求阶段波动更大。没有历史数据时，先运行两到三个周期建立基线，再讨论阈值，不套用外部通用达标线。
指标存在明确局限。小样本单元，例如只有一两个任务的分组，偏差率容易被单个异常值放大，不宜直接比较。计划投入为零或接近零的单元比率无定义或失真，应剔除或单独说明。偏差率只反映结果差异，不说明差异原因，需要结合任务明细、需求变更记录和工时日志一起看。把单次偏差率直接用于个人考核，会诱导成员调整工时登记行为，破坏数据可信度。
把偏差反馈到后续估算，需要固定动作。每个统计周期结束后，按阶段和角色输出偏差明细，在复盘会上逐项确认偏差原因，区分估算遗漏、需求变更和执行效率三类因素；只把估算遗漏部分计入系数修正，需求变更通过基线更新体现。修正后的系数应用到下一轮估算，并在下一周期用同样公式验证效果，形成“估算—执行—度量—修正”的闭环。
ONES 的工时登记日志和资源投入统计可以作为这一闭环的实际投入数据来源，资源利用率与负荷度视图帮助判断偏差是否与资源安排有关。复盘结论、系数调整和基线版本需要在项目文档中留痕，便于下一周期按同一口径复算和对比。
常见问题
计划投入为零或接近零的单元，偏差率怎么处理？
计划投入为零时偏差率无定义，不参与比率计算，单独列入“无计划”清单，只报告实际投入额。计划投入接近零的单元，比率会被极小分母放大，例如计划 1 人天、实际 5 人天会得到 400% 的偏差率，这类单元建议同样剔除出平均绝对偏差率，在明细中标注说明。剔除后需在结果旁注明剔除数量，避免读者误以为统计覆盖了全部单元。
滚动预测下，计划值应该用最初版本还是最新基线？
取决于比较目的。评估“本轮估算准不准”，用本轮滚动周期的基线版本与截至该周期结束的实际投入比较；评估“项目整体投入是否超出”，用最新基线累计值与累计实际投入比较。用最初版本做跨周期累计比较，会把范围变更带来的投入增加误算成估算偏差。无论选哪种，每次比较都记录基线版本号和冻结时间，保证下一周期可以按同一口径复算。
偏差率连续几个周期都偏高，应该先改估算还是先改执行？
先看偏差来源。把偏差按阶段和角色拆开，结合任务明细、需求变更记录和工时日志逐项确认原因，区分估算遗漏、需求变更和执行效率三类因素。若偏差集中在估算遗漏，例如开发工作量拆分粒度过粗、技术复杂度假设偏低，则修正估算系数；若集中在需求变更，则通过基线更新体现，不调整系数；若集中在执行效率，例如返工多、等待时间长，则属于执行改进问题，修正估算系数反而会掩盖真实原因。
按角色分组统计时，一个人承担多个角色怎么算？
需要在工时登记时约定归属规则，常见做法有两种：按任务实际承担的角色登记工时，同一人在不同任务上归属不同角色；或按主角色统一归属，跨角色支持单独列示。两种做法都可以，关键是全周期一致，并在结果中注明规则。规则中途变更会导致前后周期不可比，此时应在新规则生效时重新建立基线，不直接与旧周期数据对比。
投入预测准确性和交付达成率能放在一起看吗？
可以并列观察，但要分开计算和解读。投入预测准确性比较人力估算与实际工时，回答“估算准不准”；交付达成率比较计划交付项与实际完成项，回答“进度和范围兑现得如何”。两者可能同向也可能背离：投入超支但交付达成，说明估算偏低而执行有效；投入接近计划但交付未达成，说明范围或进度管理存在问题。混在一个指标里会掩盖问题来源，建议分别输出后再结合分析。
